一種基於雲模型和數據場的地面沉降風險等級評估方法
2023-06-07 06:50:36 3
一種基於雲模型和數據場的地面沉降風險等級評估方法
【專利摘要】本發明提供一種基於雲模型和數據場的地面沉降風險等級評估方法，該方法通過雲模型算法對PS點進行優化，之後利用數據場對沉降速率、人口密度和經濟密度進行自動聚類，並將得到的沉降速率分類等級與人口密度網格等級或經濟密度網格等級進行疊加，生成地面沉降風險等級劃分圖；本發明採用的評估方法兼顧了地面沉降風險的不確定性及其之間的關聯性，綜合了災因子危險性、承災體的易損性以及孕災環境等因素對地面沉降的影響，該評估方法更加科學，可靠，準確，為地面沉降風險等級劃分提供了可靠地依據。
【專利說明】 一種基於雲模型和數據場的地面沉降風險等級評估方法
【技術領域】
[0001]本發明屬於地質災害監測領域，特別涉及一種基於雲模型和數據場的地面沉降風險等級評估方法。
【背景技術】
[0002]地面沉降是地質環境工作的重要內容之一，屬緩慢性地表形變過程，致災過程緩慢，一旦形成便難以恢復。其成因非常複雜，其中自然地質因素主要是:地表鬆散地層或半鬆散地層的自固壓密；地質構造作用，地殼的升降運動；氣候變化、地震、火山噴發;巖溶發育地區的巖溶塌陷等。人為活動因素主要是:大量開採地下資源，包括地下流體資源、固體礦產資源和地熱資源；大規模工程建設，軌道交通、城市地下空間開發及高層建築物(地鐵、高鐵、密集高層建築以及高架橋梁等)對地基施加的動態荷載；沿海城市的填海造地工程等。而人為因素在城市大規模建設中對地面沉降造成的影響日益凸顯。現今地面沉降己經成為城市發展普遍存在的環境地質問題，成為制約社會經濟發展的重要地質災害之一。
[0003]地面沉降監測的常規方法主要有水準測量和GPS測量；但點對點的水準測量工程量、數據量大，且水準點可能受地面形變的影響；採用GPS測量技術雖然可以實現全天候觀測且測量精度可以達到毫米級，有較高的時間解析度；但是它是基於離散點的觀測，無法達到很高的空間解析度，不適宜大區域的長期重複監測，並且要消耗大量人力物力。
[0004]隨著遙感技術的發展和成熟，合成孔徑雷達幹涉測量(InSAR, InterferometricSynthetic Aperture Radar)技術誕生,利用InSAR技術開展形變監測理論與方法研究在人居環境保護及區域可持續發展研究中發揮了舉足輕重的作用。之後又很快擴展成合成孔徑雷達差分幹涉測量(DInSAR, Differential Interferometry Synthetic Aperture Radar)技術，其主要優點是覆蓋範圍大，方便迅捷、成本低，不需要布設地面監測站、空間解析度高，現已被越來越多的應用於地震形變、火山活動、冰川漂移、地面沉降以及山體滑坡等地表形變的監測中，它可以測量雷達視線向的微小地表形變，監測精度可以達到釐米級或毫米級。但它也有很多局限性:從誤差傳播的角度來看，DInSAR應用於區域形變測量的精度受到幾個不確定因素的影響，包括軌道數據誤差、地形數據誤差、幹涉失相關引起的相位噪聲、相位解纏誤差以及大氣延遲誤差等。其中失相關和大氣效應是制約DInSAR推廣應用的瓶頸問題。
[0005]永久散射體幹涉測量(PSInSAR,Permanent Scatterer InterferometrySynthetic Aperture Radar)技術是近幾年在DInSAR基礎上發展起來的,該技術使用同一地區多幅時序SAR影像進行PS探測、相位建模和形變解算，最終獲取研究區域地表的時序形變信息，且形變解算結果可達毫米級精度。它能夠很好的解決時空、大氣失相關的問題，從而提高區域地面沉降監測能力和監測精度。但常規PSInSAR技術由於要處理的參數太多，大面積情況下對大氣的估計也不夠精確，在數據的收集和處理上有一定的誤差導致監測點不可靠，這對後續地面沉降的不均勻性有一定的局限性；同時人們在面對海量數據時，由於缺乏行之有效的數據處理方法，使得信息處於冗餘與匱乏兩種狀態；針對上述情況，有必要提供一種新的用於評價地面沉降風險等級的方法。
【發明內容】
[0006]為了解決上述技術問題，定性定量去分析某種現象，根據地面沉降的系統定義以及研究區沉降不均勻性的特點，本發明用雲模型和數據場的綜合疊加方法描述地面沉降災害風險，進一步根據災害風險系統的定義以及地面沉降規律的分布，用災情損失與地形危險性的綜合作用描述研究區地面沉降風險程度。針對研究單元風險的內在聯繫和各風險等級的劃分，提出基於數據場和雲模型的地面沉降風險等級評估方法，為沉降災害風險管理提供科學依據。
[0007]本發明具體技術方案如下:
[0008]本發明提供一種基於雲模型和數據場的地面沉降風險等級評估方法，該方法包括如下步驟:
[0009]I)獲取時間序列的形變相位值，獲得相應的PS點沉降數據；
[0010]2)利用雲模型算法得到PS點沉降數據的三個雲數字特徵，所述三個雲數字特徵為期望Ex，熵En和超熵He ;所述三個雲數字特徵值代表監測數據所反映的地面沉降視線向位移變化及PSInSAR的監測水平，以獲得優化後的PS點；
[0011]3)計算地面沉降風險等級Rffw ；
[0012]4)根據步驟3)所獲得的地面沉降風險等級Rffw,利用數據場獲得沉降速率柵格圖，對沉降速率進行分類等級劃分；
[0013]5)利用數據場獲得優化後的PS點內的人口密度網格等級和經濟密度網格等級；
[0014]6)疊加插值步驟4)生成的沉降速率柵格圖，對沉降速率分類等級與人口密度網格等級或經濟密度網格等級進行疊加，生成地面沉降風險等級劃分圖。
[0015]本發明利用雲模型算法對PS點進行優化，該算法就在精確的監測數據和不確定性思維之間建立了定性和定量之間相互聯繫、相互依存、性中有量、量中有性的映射關係；所以，將雲模型算法應用到地面沉降形變監測數據分析中，實現了定性描述和定量分析之間的相互轉換，給地面穩定性和沉降風險等級評估的分析提供了一條有效的途徑。
[0016]本發明在優化後的PS點內進一步通過數據場對地面沉降風險等級進行評估，數據場可以用來描述災情數據的不確定性及關聯性，可以對區域地面沉降進行綜合風險等級區劃。並且本發明利用數據場對沉降速率、人口密度及經濟密度實現自動聚類，根據其對地面沉降風險的影響，分別聚類出沉降速率分類等級、人口密度網格等級和經濟密度網格等級，並且進行兩者疊加，得到地面沉降風險等級劃分圖，以此來評估地面沉降風險的等級，該方法綜合了對地面沉降風險影響的多種因素，比單一因素的評估方法更加科學、可靠、準確。
[0017]本發明利用雲模型算法優化PS點，其通過雲模型算法求得的三個數字特徵可以描述地面沉降發展的基本特徵，能夠代表利用PSInSAR技術監測地面沉降的整體水平，通過對三個數字特徵按照詮釋規則進行統計，可以得到可靠的PS點和不好的PS點，達到優化PS點的目標；其中，所述期望Ex表示監測點沉降的預期位置，熵En表示監測點相對於預期位置的沉降離散程度，超熵氏反映沉降過程整體監測水平。
[0018]進一步的改進，獲取時間序列的形變相位值，即PS點沉降數據包括如下步驟:
[0019]3.1在N幅SAR數據集影像中，根據影像獲取時間段，選擇一個距離其它影像成像時間相對較均勻的雷達影像作為主圖像，而將其它SAR影像作為輔影像進行幹涉處理，獲得M幅幹涉圖；
[0020]3.2對N幅SAR數據集影像進行輻射定標；
[0021]3.3在定標後的SAR數據集影像中，通過分析像素的幅度特性來篩選PS點；所述幅度特性用幅度離散指數Da表示，公式為
[0022]Da = —^
m」
[0023]式中，。4和％分別為SAR數據集影像中同一像素幅度值的標準差和均值；
[0024]3.4選取外部已知的DEM數據，對M幅幹涉圖進行差分幹涉處理，進而得到M幅差分幹涉圖，即，M幅差分幹涉相位；每幅差分幹涉相位中的每個象元包含了相位的5個分量:
[0025]Odint = Φ def+ Φ topo+ Φ atm+ Φ orbit+ Φ noise
[0026]式中，Φ—為差分相位，Φ?6?為視線向上的形變相位，Φ?ορο為DEM引入的地形誤差相位，為大氣不均勻所引起的延遲相位，Φ?Μ?為軌道不確定性引起的殘差相位組分，Φη-ε為噪聲誤差組分；
[0027]3.5針對每個PS點對，用周期圖方法求解線性形變速率差Λ V和DEM誤差之差Δ ε，使下式中的多時相相位相干值Y達到最大，SP
N
Σ,
[0028]/ =—-
N
[0029]3.6從差分相位Odint中減掉線性形變速率差Λ V和DEM誤差之差Λ ε的相位貢獻後，用時間域上的維納濾波方法估算PS點在每一成像時刻的APS相位值；
[0030]3.7將每幅SAR影像的APS相位值計算出來，在M幅差分幹涉圖中減去大氣不均勻所引起的延遲相位Oatm ;將這些像素點分別與其距離最近的PS點進行連接後按照步驟3.5進行運算，針對多時相相位相干值Y設置閾值，得到時間序列的形變相位值，即PS點沉降數據。
[0031]進一步的改進，雲模型算法如下:
[0032]計算樣本均值，計算樣本方差ifF =Y-
AmJ1-1 1Iy — IX，
[0033]En = X—~Εχ\，其中，—五*1 為一階樣本絕對中心距；He=^S2-En2 ο
[0034]本發明進一步通過逆向雲發生器來實現雲模型算法，逆向雲發生器是實現定量值到定性語言值之間轉換的不確定轉換模型。它可以將一定數量的精確數據轉換為以數字特徵(Ex，En，He)表示的定性概念，並據此代表這些精確數據所反映的雲滴(PS點)的整體。
[0035]優選地，將三個雲數字特徵賦予對應的定性概念，通過定性詮釋規則的轉換，將定量的PS點轉換為定性概念，依次來評價PSInSAR監測點的可靠性，從而獲得優化後的PS監測點；所述定性詮釋規則如下表所示:
[0036]
Ex 數值0-99-1818-2727-3636-45>45
沉降水平較小小大較大很大非常大
En 數值0-99-1818-2727-3636-454b
沉降離散程度較低低高較高很高非常高
He 數值0-99-1818-2727-3636-45?45
監測水平較穩定穩定+穩定較+穩定很+穩定非常+穩定
O
[0037]地面沉降風險評估的三大要素包括致災因子危險性、承災體的易損性以及孕災環境的易發性。其中易發性評價主要反映地下水開採量以及可壓縮層厚度；承災體的易損性評價體現人口密度和經濟密度等性質；而致災因子的危險性可以在PSInSAR監測結果基礎上獲取，主要反映累積沉降量和沉降速率等因素。
[0038]考慮到可獲取的地面沉降相關資料特點，可以通過下述公式來獲得地面沉降風險等級:
[0039]R沉降=LE地形/開採
[0040]式中，L為平均災情損失值，表示致災因子與承災體的耦合結果，為地形中可壓縮層厚度值與地下水開採量的疊加結果。
[0041]進一步的說明，L也可以表示為累積沉降量和沉降速率分別與人口密度或經濟密度的加權平均值。
[0042]需要說明的是，也可以表示為累積沉降量和沉降速率分別與地下水開採量或可壓縮層厚度的加權平均值。
[0043]數據場在模式識別鄰域中，能夠基於場中自然嵌套數據結構等勢線的分布以及數據對象自組織的聚集特徵實現水平劃分和數據的自動聚類，根據已形成的場特徵進行分類。還可以有效地處理識別中的不確定性。因此，可以根據區域地面沉降數據的特點，應用數據場模型對平均沉降速率進行自動聚類與關聯，進而對其進行等級劃分。
[0044]本發明通過數據場對沉降速率、人口密度和經濟密度進行自動聚類。
[0045]進一步的改進，所述利用數據場獲得沉降速率柵格圖，對沉降速率進行分類等級劃分包括如下步驟:
[0046]根據地面沉降風險等級Rffw值反映的地面沉降數據的特點，計算年平均累計沉降量，通過沉降速率進行空間插值，得到柵格圖層，進而對沉降速率進行分類等級劃分。
[0047]進一步的改進，所述利用數據場獲得優化後的PS點內的人口密度網格等級和經濟密度網格等級包括如下步驟:
[0048]8.1收集研究區的人口數量和GDP數值，分別除以所對應區域的面積，獲得人口密度和經濟密度；
[0049]8.2給定空間Ω gR '中包含η個對象的數據集D {xl，x2,…，xn}及其產生的數據場，其中的η代表研究區含有多少個研究單元數量，按下式計算空間任一點X e Ω的勢值:
「 [1-^n2 ~
[0050]Cp (x) =CpD (x) = cP,'W = X"=1 mie v ^
[0051]式中，I |X_Xi| I為研究區\與叉的距離，Xi為研究區人口密集或⑶P密集區中心的坐標，X為優化後的PS點的坐標,IIii彡O,為對象Xi (i = 1、2…η)的質量,式中，="*.;σ為影響因子，σ e (O, + °o ).
[0052]8.3調試σ值，使得研究區生成的人口密度數據場和經濟密度數據場有顯著的等勢線效果，再進行等級網格化，獲得人口密度網格等級或經濟密度網格等級。
[0053]優選地，步驟8.3將σ值調試到0.1-1範圍內。
[0054]本發明通過調試σ值在0.1-1的範圍內，優選地，調試σ值為0.21，能夠得到效果更顯著的等勢線，進一步提高地面沉降風險等級劃分的準確性。
[0055]數據場可視為一個充滿數據能量額空間，每個數據通過自己的數據場，這裡的每個數據可以是優化後的PS點，也可以是用於評估沉降災情的其他因素，這些不同類的數據通過自己的數據場，對場中的同一類數據發射能量，也就是說一個數據對周圍場中的所有數據都輻射能量，並且從高能量點向低能量點輻射能量；從定性的概念轉化成定量的規律，我們可以通過場強函數描述數據在空間輻射能量的規律；場強函數描述數據輻射能量的分布規律，度量在數據場中不同位置的場強，以可視化地形式具現化出數據場的能量分布及各個數據的等勢線，有助於疊加分析以及風險等級評估。
[0056]本發明通過雲模型算法對PS點進行優化後，得到了優化後的PS點，其可用於初步評估研究區域的穩定性和不均勻性；同時利用數據場對地面沉降風險等級做進一步的評估，其利用數據場對沉降速率、人口密度和經濟密度進行自動聚類，兼顧了地面沉降風險的不確定性及其之間的關聯性，並且綜合災因子危險性、承災體的易損性以及孕災環境等因素對地面沉降的影響，該評估方法更加科學，可靠，準確，為地面沉降風險等級劃分提供了可靠地依據。
【具體實施方式】
[0057]實施例1
[0058]一種基於雲模型和數據場的地面沉降風險等級評估方法，該方法包括如下步驟:
[0059]I)獲取時間序列的形變相位值，獲得相應的PS點沉降數據；
[0060]2)利用逆向雲發生器雲模型算法得到PS點沉降數據的三個雲數字特徵，該三個雲數字特徵為期望Ex，熵En和超熵He ;所述三個雲數字特徵值代表監測數據所反映的地面沉降視線向位移變化及PSInSAR的監測水平，以獲得優化後的PS點；其中，期望Ex表示監測點沉降的預期位置，熵En表示監測點相對於預期位置的沉降離散程度，超熵反映沉降過程整體監測水平；
[0061]3)計算地面沉降風險等級；
[0062]4)根據步驟3)所獲得的地面沉降風險等級Rffw,利用數據場獲得沉降速率柵格圖，對沉降速率進行分類等級劃分；
[0063]5)利用數據場獲得優化後的PS點內的人口密度網格等級和經濟密度網格等級；
[0064]6)疊加插值步驟4)生成的沉降速率柵格圖，對沉降速率分類等級與人口密度網格等級或經濟密度網格等級進行疊加，生成地面沉降風險等級劃分圖。
[0065]實施例2
[0066]一種基於雲模型和數據場的地面沉降風險等級評估方法，該方法包括如下步驟:
[0067]I)通過如下步驟獲取時間序列的形變相位值，獲得相應的PS點沉降數據；
[0068]3.1在N幅SAR數據集影像中，根據影像獲取時間段，選擇一個距離其它影像成像時間相對較均勻的雷達影像作為主圖像，而將其它SAR影像作為輔影像進行幹涉處理，獲得M幅幹涉圖；
[0069]3.2對N幅SAR數據集影像進行輻射定標；
[0070]3.3在定標後的SAR數據集影像中，通過分析像素的幅度特性來篩選PS點；所述幅度特性用幅度離散指數Da表示，公式為
S1
[0071]Da -—
m,<
[0072]式中，。4和％分別為SAR數據集影像中同一像素幅度值的標準差和均值；
[0073]3.4選取外部已知的DEM數據，對M幅幹涉圖進行差分幹涉處理，進而得到M幅差分幹涉圖，即，M幅差分幹涉相位；每幅差分幹涉相位中的每個象元包含了相位的5個分量:
[0074]Odint = Φ def+ Φ topo+ Φ atm+ Φ orbit+ Φ noise
[0075]式中，Φ—為差分相位，Φ?6?為視線向上的形變相位，Φ?ορο為DEM引入的地形誤差相位，為大氣不均勻所引起的延遲相位，Φ?Μ?為軌道不確定性引起的殘差相位組分，Φη-ε為噪聲誤差組分；
[0076]3.5針對每個PS點對，用周期圖方法求解線性形變速率差Λ V和DEM誤差之差Δ ε，使下式中的多時相相位相干值Y達到最大，SP
N
Eeiwi
[0077]γ = 4 Ν
[0078]3.6從差分相位Odint中減掉線性形變速率差Λ V和DEM誤差之差Λ ε的相位貢獻後，用時間域上的維納濾波方法估算PS點在每一成像時刻的APS相位值；
[0079]3.7將每幅SAR影像的APS相位值計算出來，在M幅差分幹涉圖中減去大氣不均勻所引起的延遲相位Oatm ;將這些像素點分別與其距離最近的PS點進行連接後按照步驟3.5進行運算，針對多時相相位相干值Y設置閾值，得到時間序列的形變相位值，即PS點沉降數據；
[0080]2)利用雲模型算法得到PS點沉降數據的三個雲數字特徵，該三個雲數字特徵為期望Ex，熵En和超熵He ;所述三個雲數字特徵值代表監測數據所反映的地面沉降視線向位移變化及PSInSAR的監測水平，以獲得優化後的PS點；其中，期望Ex表示監測點沉降的預期位置，熵En表示監測點相對於預期位置的沉降離散程度，超熵反映沉降過程整體監測水平；
[0081]其中雲模型算法如下:
[0082]計算樣本均值:X= ^ivi x.，計算樣本方差:夕=-Χ) ￡ =X;
[0083]Eh=晝士Oq，其中，-Ex\為一階樣本絕對中心距;He=^S1-En2 ;
[0084]根據以上雲模型算法，將三個雲數字特徵通過如下定性詮釋規則來獲得優化後的PS點，
[0085]
Ex 數值 0-9 9-18 18-2727-36 36-45>45
沉降水平較小小 大較大很大非常大
Hn 數值 0-9 9-18 18-2727-36 36-45>45
沉降離散程度較低低 高較高很高非常高
He 數值 0-9 9-18 18-2727-36 36-45>45
監測水平較穩定穩定不穩定較不穩定很不穩定非常不穩定
[0086]3)計算地面沉降風險等級Rffw ；
[0087]4)根據步驟3)所獲得的地面沉降風險等級Rffw,利用數據場獲得沉降速率柵格圖，對沉降速率進行分類等級劃分；
[0088]5)利用數據場獲得優化後的PS點內的人口密度網格等級和經濟密度網格等級；
[0089]6)疊加插值步驟4)生成的沉降速率柵格圖，對沉降速率分類等級與人口密度網格等級或經濟密度網格等級進行疊加，生成地面沉降風險等級劃分圖。
[0090]實施例3
[0091]一種基於雲模型和數據場的地面沉降風險等級評估方法，該方法包括如下步驟:
[0092]I)通過如下步驟獲取時間序列的形變相位值，獲得相應的PS點沉降數據；
[0093]3.1在N幅SAR數據集影像中，根據影像獲取時間段，選擇一個距離其它影像成像時間相對較均勻的雷達影像作為主圖像，而將其它SAR影像作為輔影像進行幹涉處理，獲得M幅幹涉圖；
[0094]3.2對N幅SAR數據集影像進行輻射定標；
[0095]3.3在定標後的SAR數據集影像中，通過分析像素的幅度特性來篩選PS點；所述幅度特性用幅度離散指數Da表示，公式為
[0096]D4 =—
[0097]式中，。4和％分別為SAR數據集影像中同一像素幅度值的標準差和均值；
[0098]3.4選取外部已知的DEM數據，對M幅幹涉圖進行差分幹涉處理，進而得到M幅差分幹涉圖，即，M幅差分幹涉相位；每幅差分幹涉相位中的每個象元包含了相位的5個分量:
[0099]Φ dint 一 Φ def+ ^ topo+ ^ atm+ orbit+ noise
[0100]式中，Φ—為差分相位，Φ?6?為視線向上的形變相位，Φ?ορο為DEM引入的地形誤差相位，為大氣不均勻所引起的延遲相位，Φ?Μ?為軌道不確定性引起的殘差相位組分，Φη-ε為噪聲誤差組分；
[0101]3.5針對每個PS點對，用周期圖方法求解線性形變速率差Λ V和DEM誤差之差Δ ε，使下式中的多時相相位相干值Y達到最大，SP
N
Eejw'
[0102]r= Ν
[0103]3.6從差分相位Odint中減掉線性形變速率差Λ V和DEM誤差之差Λ ε的相位貢獻後，用時間域上的維納濾波方法估算PS點在每一成像時
[0104]刻的APS相位值；
[0105]3.7將每幅SAR影像的APS相位值計算出來，在M幅差分幹涉圖中減去大氣不均勻所引起的延遲相位Oatm ;將這些像素點分別與其距離最近的PS點進行連接後按照步驟4.5進行運算，針對多時相相位相干值Y設置閾值，得到時間序列的形變相位值，即PS點沉降數據；
[0106]2)利用雲模型算法得到PS點沉降數據的三個雲數字特徵，該三個雲數字特徵為期望Εχ，熵En和超熵He ;所述三個雲數字特徵值代表監測數據所反映的地面沉降視線向位移變化及PSInSAR的監測水平，以獲得優化後的PS點；其中，期望Ex表示監測點沉降的預期位置，熵En表示監測點相對於預期位置的沉降離散程度，超熵反映沉降過程整體監測水平；
[0107]其中雲模型算法如下:
[0108]計算樣本均值:X= m Xi，計算樣本方差-.S1 =二E'.= J._9] En-五,I，其中，士ΣΠ Al為一階樣本絕對中心距；
/Ic=P1-E/ ■,
[0110]根據以上雲模型算法，將三個雲數字特徵通過如下定性詮釋規則來獲得優化後的PS點，
[0111]Ex 數值 0-99-1818-27 27-36 36-45>45
沉降水平較小小大 較大很大非常大
En 數值 0-99-1818-27 27-36 36-45>45
沉降離散程度較低低高 較高很高非常高
He 數值 0-99-1818-27 27-36 36-45>45
監測水平較穩定穩定不穩定較不穩定很不穩定非常不穩定
[0112]3)計算地面沉降風險等級R_，計算公式為:R?= LE
地形/開採；
[0113]4)根據地面沉降風險等級Rffw值反映的地面沉降數據的特點，計算年平均累計沉降量，通過沉降速率進行空間插值，得到柵格圖層，進而對沉降速率進行分類等級劃分；
[0114]5)利用數據場獲得優化後的PS點內的人口密度網格等級和經濟密度網格等級；步驟如下:
[0115]8.1收集研究區的人口數量和GDP數值，分別除以所對應區域的面積，獲得人口密度和經濟密度；
[0116]8.2給定空間Ω qRp中包含n個對象的數據集D{xl，x2，…，xn}及其產生的數據場，其中的η代表研究區含有多少個研究單元數量，按下式計算空間任一點χ e Ω的勢值:
η? I —fM|2_
[0117]Cp (x) =CPd (x) = '^_lj=lcPiix)= Σ/=] mie " &
[0118]式中，I |X-Xi| I為研究區\與叉的距離，Xi為研究區人口密集或⑶P密集區中心的坐標，X為優化後的PS點的坐標,IIii彡O,為對象XiQ = 1、2…η)的質量,式中，=1 ；σ為影響因子；
[0119]8.3調試σ值為0.21，使得研究區生成的人口密度數據場和經濟密度數據場有顯著的等勢線效果，再進行等級網格化，獲得人口密度網格等級或經濟密度網格等級；
[0120]6)疊加插值步驟4)生成的沉降速率柵格圖，對沉降速率分類等級與人口密度網格等級或經濟密度網格等級進行疊加，生成地面沉降風險等級劃分圖。
[0121]實施例4
[0122]一種基於雲模型和數據場的地面沉降風險等級評估方法，該方法與實施例3不同的是，調試σ值為I。
[0123]實施例5
[0124]一種基於雲模型和數據場的地面沉降風險等級評估方法，該方法與實施例3不同的是，調試σ值為0.1。
[0125]實施例6
[0126]利用實施例3的基於雲模型和數據場的地面沉降風險等級評估方法對北京東北部地區地面沉降風險等級進行劃分，其中將風險等級設為5類，其中等級數值越大，沉降風險越大。評估方法見下表:
[0127] 北京東北人口密度網經濟密度網沉降速率分類 Al與A3疊A2與A3
部地區格等級(Al)格等級(A2)等級(A3) 加疊加朝陽區 5 55 55
臺湖 3 55 45
方比 4 33 43
舊宮 5 44 54
西紅門 4 22 32
黃村 3 33 33
瀛海 5 44 54
馬駒橋 2 33 33
長子營 4 44 44
[0128] 本發明採用的基於雲模型和數據場的地面沉降風險等級評估方法計算所得的北京東北部各區地面沉降風險等級和地面沉降情況十分相符，結果可信，準確度高，可為進一步的地面沉降風險提供判斷依據。
【權利要求】
1.一種基於雲模型和數據場的地面沉降風險等級評估方法，其特徵在於，所述方法包括如下步驟: 1)獲取時間序列的形變相位值，獲得相應的PS點沉降數據； 2)利用雲模型算法得到PS點沉降數據的三個雲數字特徵，所述三個雲數字特徵為期望Ex，熵En和超熵He ;所述三個雲數字特徵值代表監測數據所反映的地面沉降視線向位移變化及PSInSAR的監測水平，以獲得優化後的PS點； 3)計算地面沉降風險等級Rffw； 4)根據步驟3)所獲得的地面沉降風險等級Rffw，利用數據場獲得沉降速率柵格圖，對沉降速率進行分類等級劃分； 5)利用數據場獲得優化後的PS點內的人口密度網格等級和經濟密度網格等級； 6)疊加插值步驟4)生成的沉降速率柵格圖，對沉降速率分類等級與人口密度網格等級或經濟密度網格等級進行疊加，生成地面沉降風險等級劃分圖。
2.如權利要求1所述的基於雲模型和數據場的地面沉降風險等級評估方法，其特徵在於，所述期望Ex表示監測點沉降的預期位置，熵En表示監測點相對於預期位置的沉降離散程度，超熵氏反映沉降過程整體監測水平。
3.如權利要求1所述的基於雲模型和數據場的地面沉降風險等級評估方法，其特徵在於，獲取時間序列的形變相位值，即PS點沉降數據包括如下步驟: 3.1在N幅SAR數據集影像中，根據影像獲取時間段，選擇一個距離其它影像成像時間相對較均勻的雷達影像作為主圖像，而將其它SAR影像作為輔影像進行幹涉處理，獲得M幅幹涉圖； 3.2對N幅SAR數據集影像進行輻射定標； 3.3在定標後的SAR數據集影像中，通過分析像素的幅度特性來篩選PS點；所述幅度特性用幅度離散指數Da表示，公式為δ, Da=^-
m丨 式中，。4和％分別為SAR數據集影像中同一像素幅度值的標準差和均值； 3.4選取外部已知的DEM數據，對M幅幹涉圖進行差分幹涉處理，進而得到M幅差分幹涉圖，即，M幅差分幹涉相位；每幅差分幹涉相位中的每個象元包含了相位的5個分量:
°dint = Φ def+ Φ topo+ Φ atm+ Φ orbit+ Φ noise 式中，Odint為差分相位，Odrf為視線向上的形變相位，Φ_。為DEM引入的地形誤差相位，為大氣不均勻所引起的延遲相位，φ?Μ?為軌道不確定性引起的殘差相位組分，φη&。為噪聲誤差組分； 3.5針對每個PS點對，用周期圖方法求解線性形變速率差Λ V和DEM誤差之差Λ ε，使下式中的多時相相位相干值Y達到最大，即
N r =——
N 3.6從差分相位Odint中減掉線性形變速率差Λ V和DEM誤差之差Λ ε的相位貢獻後，用時間域上的維納濾波方法估算PS點在每一成像時刻的APS相位值； 3.7將每幅SAR影像的APS相位值計算出來，在M幅差分幹涉圖中減去大氣不均勻所引起的延遲相位;將這些像素點分別與其距離最近的PS點進行連接後按照步驟3.5進行運算，針對多時相相位相干值Y設置閾值，得到時間序列的形變相位值，即PS點沉降數據。
4.如權利要求1所述的基於雲模型和數據場的地面沉降風險等級評估方法，其特徵在於，所述雲模型算法如下: 計算樣本均值= ，計算樣本方差:歲=E、=X, En =JfxjZ^h -醜I其中，為一階樣本絕對中心距；H1, = P2-En2。
5.如權利要求1所述的基於雲模型和數據場的地面沉降風險等級評估方法，其特徵在於，所述三個雲數字特徵通過如下定性詮釋規則來獲得優化後的PS點: Ex 數值 0-99-1818-27 27-36 36-45>45 沉降水平較小小 大 較大 很大非常大 En 數值 0-99-1818-27 27-36 36-45>45沉降離散程度較低低 高 較高 很高非常高 He 數值 0-99-1818-27 27-36 36-45>45 監測水平較穩定穩定不穩定較不穩定很不穩定非常不穩定
O
6.如權利要求1所述的基於雲模型和數據場的地面沉降風險等級評估方法，其特徵在於，所述地面沉降風險等級Rffw按如下公式計算: R沉降=LE地形/開採。
7.如權利要求1所述的基於雲模型和數據場的地面沉降風險等級評估方法，其特徵在於，步驟4)所述利用數據場獲得沉降速率柵格圖，對沉降速率進行分類等級劃分: 根據地面沉降風險等級Rffw值反映的地面沉降數據的特點，計算年平均累計沉降量，通過沉降速率進行空間插值，得到柵格圖層，進而對沉降速率進行分類等級劃分。
8.如權利要求1所述的基於雲模型和數據場的地面沉降風險等級評估方法，其特徵在於，步驟5)所述利用數據場獲得優化後的PS點內的人口密度網格等級和經濟密度網格等級包括如下步驟: 8.1收集研究區的人口數量和GDP數值，分別除以所對應區域的面積，獲得人口密度和經濟密度； 8.2給定空間Ω gR'中包含η個對象的數據集D{xl，x2，…，xn}及其產生的數據場，其中的η代表研究區含有多少個研究單元數量，按下式計算空間任一點X e Ω的勢值:
CP (X) =cpD (X) = XllCpi(X)=Y^li JHie L 5 J 式中，IlX-XiII為研究區Xi與X的距離，Xi為研究區人口密集或⑶P密集區中心的坐標，X為優化後的PS點的坐標，Hii彡O,為對象XiQ = 1、2…η)的質量,式中，X°=1mi =1 ；σ為影響因子，σ e (O, + °o ).8.3調試σ值，使得研究區生成的人口密度數據場和經濟密度數據場有顯著的等勢線效果，再進行等級網格化，獲得人口密度網格等級或經濟密度網格等級。
9.如權利要求8所述的基於雲模型和數據場的地面沉降風險等級評估方法，其特徵在於，步驟8.3將σ值調試到0.1-1範圍內。
【文檔編號】G06F19/00GK104133996SQ201410359653
【公開日】2014年11月5日 申請日期:2014年7月25日 優先權日:2014年7月25日
【發明者】宮輝力, 陳蓓蓓, 李小娟, 趙文吉, 頡晉榮, 賈煦, 郭琳, 段光耀, 周超凡, 史珉 申請人:首都師範大學